?/p>
?/p>
针对传统?/p>
Kalman
滤波器在非线性非高斯环境下对运动目标的跟踪效果较差这
一问题?/p>
本文提出了一种基于粒子滤波的目标跟踪方法?/p>
粒子滤波是采用一些带有权
值的随机样本
(
粒子
)
来表示所需要的后验概率密度,而不是采用传统的线性变换,?/p>
而得到基于物理模型的近似最优数值解?/p>
具有精度高?/p>
收敛速度快等特点?/p>
基于粒子
滤波的目标跟踪原理是通过这些粒子的加权来估计目标运动的状态?/p>
目标模型的仿?/p>
实验表明?/p>
在非线性非高斯环境下,
粒子滤波的跟踪效果优于扩展卡尔曼滤波器?/p>
最
后,将粒子滤波运用于视频跟踪,实验结果进一步说明:在非线性非高斯环境下,?/p>
子滤波具有较好的跟踪效果?/p>
粒子滤波技术可以广泛于空对空?/p>
空对地等各种具有?/p>
线性、非高斯特征的被动式跟踪系统中?/p>
关键?/p>
:粒子滤波器
卡尔曼滤波器
目标跟踪
重采?